في هذه الورقة، نقترح بروتوكول تدريب مُحسَّن لبنية U-Net لتحليل التصنيف الدلالي للصور الجوية. قمنا باختبار منهجنا على مجموعة البيانات الصعبة FLAIR #2. ونقدم دراسة تحليلية موسعة حول تأثير المكونات المختلفة في المنهج على الأداء العام. تشمل الدراسة المقارنة بين مختلف أساليب التحويل (backbones) النموذجية، وتقنيات تكبير الصور، وخطط تقليل معدل التعلم، ووظائف الخسارة، وإجراءات التدريب. بالإضافة إلى ذلك، نقترح بروتوكول تدريب مزدوج المراحل، ونقيّم خيارات مختلفة لتركيب النماذج (model ensemble). استنادًا إلى النتائج، نصمم الإعداد النهائي لبروتوكول تدريب النموذج. ويؤدي هذا الإعداد النهائي إلى تقليل الخطأ النسبي بنسبة تقارب 18%، ويحقق متوسط مقياس التداخل بين التوقعات والواقع (mIoU) قيمته 0.641، وهي نتيجة جديدة تمثل الحد الأقصى المُحقَّق في مجال التكنولوجيا حتى تاريخه. يمكن الوصول إلى الكود الخاص بنا عبر الرابط التالي: https://github.com/strakaj/U-Net-for-remote-sensing